Gradients of local circuit architecture shape stability and information integration across the cortical hierarchy
Utilizzando simulazioni biologicamente realistiche della corteccia murina, questo studio dimostra che l'aumento della densità di connessione e della proporzione relativa di cellule SST lungo la gerarchia corticale migliora la stabilità del circuito, collegando così la composizione locale dei tipi cellulari alle funzioni di attività della popolazione e di elaborazione delle informazioni.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il cervello mammifero non è un organo singolo e uniforme, ma un vasto paesaggio di regioni specializzate, ognuna sintonizzata su un compito diverso. Alla base di questo paesaggio si trovano le aree sensoriali, che fungono da porta d'ingresso del cervello, elaborando rapidamente i dati grezzi provenienti dagli occhi, dalle orecchie e dalla pelle. Man mano che l'informazione si muove verso l'alto attraverso la struttura cerebrale, raggiunge le regioni di ordine superiore responsabili di compiti complessi come la pianificazione, il processo decisionale e il mantenere i pensieri nella mente. Gli scienziati sanno da tempo che queste regioni sono disposte in una gerarchia, ma un mistero chiave rimane: come cambiano i minuscoli diagrammi di cablaggio locale all'interno di ogni regione per supportare questi diversi compiti? È una questione di architettura. Proprio come una biblioteca e una fabbrica potrebbero utilizzare layout differenti per gestire libri rispetto a linee di assemblaggio, le regioni cerebrali probabilmente si affidano a disposizioni specifiche di neuroni per gestire la semplice percezione rispetto al pensiero complesso. Comprendere queste planimetrie locali è essenziale per capire come il cervello rimanga stabile pur elaborando un flusso di informazioni.
Per risolvere questo enigma, un team di ricercatori dell'Allen Institute si è rivolto alla potenza della simulazione al computer. Hanno costruito modelli dettagliati e biologicamente realistici di cinque distinte regioni cerebrali del topo, che vanno dalla corteccia visiva primaria alla base della gerarchia fino ad aree di ordine superiore come la corteccia cingolata anteriore e la corteccia orbitofrontale. Questi modelli non erano schizzi astratti; sono stati costruiti utilizzando enormi dataset di reale cablaggio e fisiologia cerebrale. I ricercatori hanno popolato ogni modello con migliai di neuroni virtuali, rappresentanti tipi cellulari specifici presenti nel cervello reale, inclusi i neuroni eccitatori che trasmettono i segnali e i neuroni inibitori che agiscono come freni. Fondamentalmente, hanno regolato i modelli per riflettere i noti trend biologici: man mano che si saliva nella gerarchia, la densità dei neuroni diminuiva, ma il numero di connessioni tra di essi aumentava, e la miscela di tipi cellulari inibitori cambiava. Simulando il modo in cui i circuiti virtuali reagivano agli input, il team ha potuto osservare come i cambiamenti strutturali plasmassero la capacità del cervello di elaborare le informazioni e mantenere la stabilità.
Le simulazioni hanno rivelato un modello chiaro: man mano che i modelli salivano nella gerarchia corticale, i circuiti diventavano più stabili e migliori nel bilanciare eccitazione e inibizione. Questa stabilità era guidata da due fattori principali. Primo, le connessioni tra i neuroni diventavano più dense nei modelli di ordine superiore. Secondo, e forse più sorprendentemente, la proporzione di un tipo specifico di neurone inibitore chiamato cellula somatostatina, o cellula SST, aumentava. Nei modelli sensoriali di livello inferiore, le cellule eccitatorie ricevevano più input da un altro tipo di cellula inibitoria nota come cellula parvalbumina, o cellula PV. Ma nei modelli di ordine superiore, l'equilibrio si invertiva, con le cellule eccitatorie che ricevevano significativamente più input dalle cellule SST. Questo spostamento nella composizione cellulare ha aiutato i circuiti di ordine superiore ad assorbire le perturbazioni senza cadere nel caos, suggerendo che il cervello adatta il proprio cablaggio locale per gestire le richieste complesse e integrative della cognizione superiore.
I ricercatori hanno anche testato come questi circuiti rispondessero a stimoli specifici, come l'attivazione di un singolo neurone, imitando un esperimento in cui uno scienziato usa la luce per attivare una singola cellula in un animale vivente. Quando hanno stimolato un singolo neurone eccitatorio nei loro modelli, l'attività si è propagata verso l'esterno, ma la risposta dipendeva fortemente dal tipo di cellula. I neuroni SST erano unicamente sensibili; rispondevano fortemente alla stimolazione, anche quando non erano direttamente connessi alla cellula stimolata. Il team ha scoperto che questa alta reattività non era dovuta al fatto che le cellule SST ricevessero più segnali eccitatori, ma perché ricevevano meno input inibitori dai loro vicini rispetto alle cellule PV. Nei modelli di ordine superiore, dove le cellule SST erano più abbondanti, questo meccanismo aiutava a mantenere un equilibrio serrato, garantendo che la rete potesse integrare molti input diversi senza diventare instabile.
Interessante è che lo studio ha anche chiarito ciò che non cambia attraverso la gerarchia. Per anni, gli scienziati hanno osservato che la "scala temporale" dell'attività neurale — la velocità con cui una regione elabora le informazioni — rallenta man mano che si sale nella gerarchia. Le aree sensoriali primarie reagiscono in millisecondi, mentre le aree di ordine superiore mantengono le informazioni per periodi più lunghi. I ricercatori sospettavano che questo rallentamento potesse essere causato dai cambiamenti del cablaggio locale che stavano modellando, come connessioni più dense o più cellule SST. Tuttavia, le loro simulazioni hanno mostrato l'opposto: aumentare la densità delle connessioni rendeva i circuiti rispondere leggermente più velocemente, non più lentamente. Questa scoperta suggerisce che le scale temporali più lente osservate nelle regioni cerebrali superiori non sono un prodotto della sola architettura del circuito locale. Invece, derivano probabilmente da fattori esterni al vicinato immediato dei neuroni, come le connessioni a lungo raggio con altre aree cerebrali o segnali chimici che modulano l'attività nel tempo.
Collegando la struttura fisica dei circuiti locali al loro output funzionale, questo lavoro fornisce un nuovo modo per comprendere l'organizzazione del cervello. Dimostra che il cervello non si limita a scalare la propria potenza di elaborazione; esso riprogetta fondamentalmente i propri quartieri locali. L'aumento delle cellule SST e i modelli specifici di connessione che esse formano creano un ambiente robusto capace di integrare flussi diversificati di informazioni. Mentre il cablaggio locale spiega come il cervello mantenga la stabilità e gestisca input complessi, lo studio punta anche il dito lontano dai circuiti locali per quanto riguarda la velocità variabile del pensiero cerebrale. Il risultato è un quadro più chiaro del cervello come un sistema in cui l'architettura locale e le influenze globali lavorano in tandem, ognuna svolgendo un ruolo distinto nella sinfonia della cognizione.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.